基于LLE-SVR的水质COD紫外光谱 检测方法研究

摘要：

化学需氧量(COD)是反映水体污染程度的重要指标之一.针对紫外可见光谱COD测量法数据波段多,易受干扰的问题,提出以局部线性嵌入法(LLE)结合支持向量机回归法(SVR)建立预测模型,来提高预测精度.首先,通过尝试预处理方法与模型分析方法(SVR和偏最小二乘回归法(PLSR))的不同组合来判断预测模型的效果,结果表明,"小波变换(WT)+SVR"效果较好.为了减少计算复杂度,提高运算效率,分别运用LLE和主成分分析算法(PCA)对数据降维,再分别结合SVR建立COD浓度预测模型.结果表明,利用"LLE+SVR"得到的COD浓度预测模型,其训练样本的均方误差为0.076030,测试样本均方误差为0.061477,分别小于"PCA+SVR"模型的0.216076和0.317303.这种方法使模型预测精度得到提高,为紫外可见光谱法检测水质COD浓度提供了一种可行的分析方法.

关键词：化学需氧量(COD)、支持向量机回归(SVR)、紫外可见吸收光谱、局部线性嵌入(LLE)

所属期刊栏目：24

分类号：X824(环境质量分析与评价)

在线出版日期：2018-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：11-15